Los hospitales deben asignar camas y personal de manera efectiva bajo patrones de llegada volátiles, donde los errores de programación pueden causar daños prevenibles. Este estudio presenta un marco de aprendizaje por refuerzo informado por pronósticos y consciente de la equidad para la programación hospitalaria, integrando explícitamente restricciones de equidad, pronósticos de demanda a corto plazo y explicabilidad basada en SHAP. El estado fusiona el contexto del paciente y del sistema con pronósticos de demanda a corto plazo, llegadas medias (^) y volatilidad (^2). La recompensa optimiza conjuntamente la eficiencia, la equidad y la seguridad al penalizar la espera, las desviaciones/transferencias, el uso indebido de la UCI, las horas extra y la disparidad entre áreas. Utilizando una cohorte sintética alineada con el punto de referencia (60,000 visitas durante un año), el enfoque se compara con el Primero en Llegar, Primero en Ser Atendido (FCFS) y ablamientos sin características de pronóstico. La política aprendida reduce a la mitad el tiempo medio de espera (de 215.3 a 102.5 minutos), disminuye las desviaciones/transferencias (del 27.6% al 7.8%), mejora la precisión de coincidencia de la UCI (del 93.4% al 95.1%), aumenta el índice de equidad en un 45% y reduce las horas extra del personal en un 56%. Agregar señales de pronóstico produce ganancias adicionales sobre DQN ingenuo en pronósticos (9% menos de esperas; 28% menos de desviaciones/transferencias), con robustez ante aumentos de demanda y cambios en la mezcla de triaje. Al unificar las restricciones de equidad, el contexto anticipatorio y la explicación, el método convierte las colas reactivas en un control proactivo y auditable y es extensible al flujo perioperatorio, al triaje de desastres y a la gestión de capacidad ambulatoria.